隨著時代的發展與進步，我國已將智能制造（Intelligent Manufacturing，IM）/數字化轉型（Digital Transformation，DX）作為制造業未來發展的重要方向，也是支持制造業從高速發展向高質量發展的重要推動手段。近年來，很多大小型制造企業紛紛加入到IM/DX的行列，開始大量投入資金，但部分項目實際效果卻不如預期，其原因是缺乏系統化思考與有效的項目評估。

很多企業在推進相關IM/DX工作時多為效仿，缺少對企業自身存在問題原因分析，在總體規劃、目標制定、方案評審、效果評估方面相對薄弱，缺少閉環管理；在項目推進中往往采取業務外包，外包的技術廠商難以在短時間內準確把握企業自身業務痛點與真實需求，導致在IM/DX推進中困難重重，效果難以保證；項目完工后，因之前缺少與目標的聯動評審，致使效果難以真正體現在生產運營中，對成本、品質、效率貢獻有限，甚至導致效率降低，以上都是近年來IM/DX中的常見問題。為此，本文通過梳理產業政策與行業態勢，提出在檢討IM/DX項目時，需采取科學的策劃與管理方法，文中提出建立以DST-PDCA為基礎框架的分析模式，助力企業在IM/DX項目推進中做好立項評審、過程推進及效果評估，旨在為我國企業實施智能制造和數字化轉型提供借鑒參考。

1 IM/DX概述

1.1 定義、內涵與作用

智能制造與數字化轉型本質是把機器智能融合于制造的各種活動中，滿足企業相應的目標要求。國家工業和信息化部、財政部發布的《智能制造發展規劃（2016—2020年）》中指出：“智能制造是基于新一代信息通信技術與先進制造技術深度融合，貫穿于設計、生產、管理、服務等制造活動的各個環節，具有自感知、自學習、自決策、自執行、自適應等功能的新型生產方式。”體現在智能制造的技術基礎與應用的各個環節。智能制造的核心是數據驅動，需要有數據的支持，因此數字化是實現智能制造的前提。由此可知，IM/DX的內涵是利用物聯網、大數據、人工智能等先進技術認識、控制和駕馭制造系統，達到降本增效、提升質量的目標。

廣汽集團“十四五規劃”的智能制造行動，提出通過電氣化、智聯化、數字化、共享化、國際化五大提升實現集團高質量發展。在汽車新四化進程中，應用智能制造，實現新一代信息通信技術與先進制造技術深度融合。工業制造存在大量的重復性場景，如設備點檢、品質檢查、零件手工安裝等，在機器視覺、機器學習等智能化技術助力下，可依靠智能化設備及系統輔助完成，大幅提升傳統企業生產效率。

1.2 國內外IM/DX發展情況

IM/DX是全球制造業變革的重要方向，給人類經濟和社會可持續發展展示了美好前景，各國紛紛出臺相關戰略規劃：2012年，美國發布“先進制造業國家戰略計劃”，大力推動以“工業互聯網”和“新一代機器人”為特征的智能制造戰略布局；2013年，德國實施“工業4.0”戰略，鞏固其制造業領先地位；作為全球工業機器人裝機數量最多的國家，日本政府于2015年1月發布《機器人新戰略》。2015年，我國出臺制造強國中長期發展戰略規劃《中國制造2025》，全面部署并推進制造強國戰略實施，堅持創新驅動，智能轉型，強化基礎，綠色發展，加快我國從制造大國向制造強國轉變。

前瞻產業研究院在2019年頒布《中國智能制造發展現狀及趨勢分析報告》里提到：目前，中國仍處于“工業2.0”（電氣化）的后期階段，產業結構不佳、資源轉化率低、質量基礎較為落后、行業信息化水平薄弱、勞動力成本持續提升。“工業3.0”（信息化）進一步提升空間較大，“工業4.0”（智能化）以試點形式開展為主，制造的自動化和信息化已逐步布局推廣。

目前各行業中通過智能制造，創新了生產方式和銷售方式，實現了效率的大幅提升，其中汽車行業尤其具有代表性，如廣汽埃安、上汽大通等通過訂單式生產供應方式，為客戶提供個性化產品，提升對用戶的吸引力。未來幾年，還有一批新興的智能汽車工廠落地投產，如東風日產武漢工廠、上汽大眾安亭工廠、北汽新能源-麥格納智能工廠等等。智能制造工廠的投入將大幅提升各汽車生產企業的生產效率，有助于將我國從制造大國推動成為制造強國。

2 企業實施IM/DX的幾點思考

2.1 企業推進IM/DX的問題與對策

IM/DX是手段，而不是目的，其核心價值是幫助企業提升生產與經營效率，降低成本并構筑長期競爭優勢，行業現狀普遍存在以下問題。

1）戰略不清晰導致IM/DX方向迷失。部分企業沒能準確識別自身問題點與未來競爭的著眼點。企業存在孤島式盲目部署數字化的普遍情況，尚未能從數字化投入中洞察到核心價值，中投顧問發文指出52%的企業在IM/DX貢獻度小于10%。

2）局部試點現象明顯，全面系統化思考與布局不足。企業原有的系統老舊，管理流程復雜且基本定型，IM/DX基礎不牢固，在原有基礎上修補往往出現兼容性差的問題，很多制造企業缺少數字化人才，多為已有業務人員轉型或兼職對應，總體來講，缺少將精益管理與智能制造匹配的管理基礎。

3）缺少對IM/DX科學有效的評估與推進方法，沒有長期思維做指導。只有全面部署、系統深入才能最大化體現數字價值。如果急于見到成效，用傳統的績效指標衡量轉型效果，沒有根據企業實際去建立策劃、推進與評估體系，IM/DX效果難以顯著體現，價值常常受到管理層的質疑，對投資持續減少，造成惡性循環，長此以往實現工業4.0也就成為空談。

2.2 基于DST-PDCA框架的思考與運用

DST-PDCA框架主要用于中長期規劃和年度事業計劃，也可用來解決某些重要課題，IM/DX是典型長期布局及實施的課題，該框架適用于IM/DX總體規劃與統籌思考。

DST是英文單詞Draw、See、Think的縮寫。Draw是先要描繪一個理想的目標。See是要將現狀與理想目標對比，提取出問題。Think是在對提取問題的思考，深入挖掘問題存在的原因，確定對策方向。對IM/DX項目而言，是一項持續性工作，需要基于長期主義思考，通過系統性思考與方法，建立系統性的規劃與管理框架，做到有的放矢，既要解決企業短期面臨的急迫問題，更要與企業未來發展相匹配，將業務戰略與業務規劃相結合。因此DST框架方法適用于對IM/DX項目的規劃制定。

PDCA是計劃（Plan）、實施（Do）、檢查（Check）、處理（Act）的首字母組合。PDCA循環是推進目標達成的有效手段，需要經過制定計劃、執行計劃、檢查計劃、對計劃進行調整并不斷改善這樣4個階段。 對IM/DX項目而言，涉及人、機、料、法、環各因素，需要持續夯實與提升企業基礎條件（如工業工程、精益管理），實施中除面臨具體的技術問題外，還會涉及對現有流程與機構的調整等復雜問題，是一個需要持續推進問題解決的過程，PDCA框架非常適用于在問題明確后將其關閉的全過程管理。通過相互作用，逐步形成牢固的推進體系，以實現質量提升、成本降低、效率提高為子目標，以實現企業利潤改善為主目標，圖1給出了企業推進智能制造與數字化轉型的體系架構。

圖1 智能制造與數字化轉型系統運行圖

3 基于DST-PDCA框架開展IM/DX實例

本節以G公司發動機機加工車間IM/DX實例說明DST-PDCA框架的應用模式。

G公司發動機機加工生產線主要對發動機缸體和缸蓋進行加工與組裝，設備數量多達200余臺，涵蓋數控加工中心及加工專機、差壓式試漏機、氣電轉換測量機、多工位清洗機、壓裝機、擰緊機等，工藝復雜且品質要求為微米級，是典型的離散型高精密的加工車間，具備深度實踐智能制造與數字化轉型實踐的基礎。

3.1 基于DST 框架確定IM/DX的規劃

1）建立了機加工車間IM/DX規劃與目標。根據國家標準發布的《智能制造能力成熟度模型》，從人員、技術、資源、制造4個能力要素評估成熟度等級，成熟度等級分為一級（規劃級）、二級（規范級）、三級（集成級）、四級（優化級）和五級（引領級），機加工車間現有智能制造水平基本處于二級（規范級）：雖然大量運用了自動化和信息化技術進行生產，但數據及業務未實現跨領域共享，未充分利用數據實現核心業務的精準預測和優化。首先，通過DST方式建立了“打造QCD領先的數字化標桿車間”三年規劃，確立了以四級水平為規劃管理總目標。

圖2 智能制造成熟度等級

2）根據業務架構建立了系統大數據平臺，并通過大數據平臺實現數據關聯，打破數據孤島，并搭建總體系統架構：基于總體架構，通過頭腦風暴、專項研討等方式企劃制定并評審通過推進的技術路線圖，其中充分結合當前系統與流程的問題點，面向目標明確各項工作的要件，實現生產模式、管理模式、生產技術、信息技術、人才培養、設備革新充分融合，再通過數字賦能實現數字化與業務變革的雙驅動，形成技術路線圖指導團隊開展工作。

圖3 機加工車間數字化平臺總體架構

3.2 基于PDCA框架推進IM/DX項目實施與落地

缸體AI項目是機加工車間IM/DX規劃中的一個具體項目，在技術路線規劃指引下，運用PDCA框架推進完成的一個典型案例。

缸體為發動機核心部件，缸體表面復雜且對密封要求高，在不同的密封部位可容許的缺陷大小基準有不同的要求，一旦缺陷大小超出允許基準將會產生漏氣、漏冷卻液、漏油等市場不良。

1）問題與原因分析。缸體是通過鋁液高壓鑄造+機加工銑、鉆、鉸等工藝而成，不可避免地會產生表面缺陷，行業內缸體表面缺陷率達到40%～50%。根據缺陷類型、缺陷大小、所在區域以及失效影響，制訂《外觀缺陷判定基準》，作為檢查標準區分合格品和待返修品，常見缺陷多達14種，主要有氣孔、缺肉、冷隔、裂紋、傷痕、刀紋、毛刺等，行業內主要采用人工目視檢查。由于人員存在疲勞等客觀影響，人工目視檢查的檢出能力較低，存在缺陷流入市場風險，影響品牌口碑；此外，由于檢查時間受限，目視檢查難以在60 s的節拍內對所有缺陷大小及缺陷所在的區域做出精確判斷，存在較高誤判率，約20%；而且檢查人員長期對視光源，容易造成視力疲勞和損傷等。

2）對策制定。行業首創AI深度學習視覺檢測，解決缸體缸蓋外觀缺陷檢查效率低的行業難題，缺陷傳統視覺檢測技術主要采用相機拍照，然后將檢測圖像與事先生成的標準圖像進行比對，找出差異，一般應用于缺陷類型比較單一、有無缺陷檢測等場景。如果應用于缸體外觀缺陷檢測，將產生大量的誤判，無法滿足缸體外觀復雜的缺陷檢測要求。機加工車間經過技術評估研討后，開創性地采用AI深度學習視覺檢測進行缸體外觀缺陷檢查，通過對圖片缺陷進行標注、深度學習、訓練，建立最佳的檢測模型并不斷地自學優化、迭代，使得檢測結果準確率不斷提高，如同新員工，經過對缺陷和外觀基準不斷地學習和訓練，逐步提高對復雜缺陷形貌、缺陷類型、缺陷大小、缺陷所在位置等檢查的準確度和缺陷外觀判定基準的熟練度。

基于計劃與目標，以PDCA模式推進問題解決，通過創建“正向+方向”檢測模型解決無法識別“未學習過”缺陷的難題，通過研發多角度藍光技術特顯缺陷特征解決特征區分不明顯導致漏判誤判難題，通過設計兼容性及柔性強的檢測模型和算法實現不同機種共享共用，大幅縮短新機種導入的模型學習迭代周期。期間定期組織召開線上、線下會議，堅持以問題→原因→對策制定→效果確認的PDCA框架開展工作，累計解決問題300余項，解決問題快速、有效。

3）效果確認。AI深度學習視覺檢測是行業首創，無成熟方案可借鑒，需要自主摸索。另外，AI深度學習視覺檢測是對缺陷圖片進行學習，但初期可能遺漏不常見缺陷，進而出現漏判，這也是行業的一大痛點，實施時要考慮這些特殊場景。經過約6個月持續的優化、迭代，達到漏判率為0%、誤判率≤1%的行業標桿水平。

3.3 IM/DX項目推進成果

機加工車間規劃與實施的IM/DX項目，通過采用領先的數字化技術，在人機交互、智慧集約上有著非常鮮明的獨創性，實現了多機種高品質量產，取得了良好的經濟效益和社會效益。

在品質領域，建立工藝參數與質量之間的數字模型，發動機質量處于國內領先水平，開發基于AI的產品缺陷視覺識別，提升工序品質保證能力，助力所在企業于2021年J.D.Power IQS（新車質量）、SSI（銷售滿意度）、CSI（顧客滿意度）均獲得第一名，處于中國汽車行業領先地位。

在產能領域，通過導入基于5G的工業互聯網，革新傳統工業通信架構，運用基于預防性維護的數字化技術，設備開動率顯著提升，整體在原有1050 輛/d產能提升至接近1080 輛/d產能。

在成本領域，通過賬票無紙化、大數據等平臺，實現傳統目視化管理的飛躍，多種業務流程通過大數據平臺自動關聯及計算，人員業務效率約提升30%，項目投入1年以來，項目整體已產生經濟效益100余萬元。

4 結語

智能制造與數字化轉型是一個綜合性、系統性工程，需要將所涉及的人、設備、材料、流程、環境等要素聯系起來，因此需要以更加宏觀的視角去規劃，并明確總體與分階段計劃。在項目實施中難免遇到各種流程、觀念、技術問題與挑戰，需要構建相適應的應對體制與方法。此外，通過持續加強對復合型人才培養，構建既懂技術又懂業務的復合型團隊，也是智能制造與數字化轉型成功的重要因素，并運用科學的方法指導工作開展。

本文案例中成功運用DST-PDCA的框架推進數字化轉型工作，證明可以取得良好的效果。隨著造車新勢力的崛起和汽車智能化水平的提升，汽車行業正面臨著史無前例的轉變，借助智能制造技術，持續推動企業提質增效，并最終實現產品競爭力提升，將會更加有助于企業健康持續地發展。